基于深度學(xué)習(xí)的電廠跑冒滴漏視頻識別應(yīng)用研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4009 K
標(biāo)簽： 深度學(xué)習(xí) 電廠 跑冒滴漏
所需積分：0分積分不夠怎么辦？
文檔介紹：為解決火電廠設(shè)備在運行過程中會存在“跑冒滴漏”現(xiàn)象，通過視覺識別技術(shù)及深度學(xué)習(xí)的應(yīng)用，提出基于卷積神經(jīng)網(wǎng)絡(luò)模型的電廠跑冒滴漏視頻識別模型，并對模型進(jìn)行優(yōu)化和改進(jìn)。該方法基于火電廠攝像頭進(jìn)行現(xiàn)場圖像的采集，進(jìn)行數(shù)據(jù)預(yù)處理和優(yōu)化，同時按照缺陷形態(tài)建立對應(yīng)數(shù)據(jù)集。然后，通過語義分割、數(shù)據(jù)增強(qiáng)、注意力機(jī)制、更改激活函數(shù)等技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合，對YOLOv5算法進(jìn)行深層次優(yōu)化，包括訓(xùn)練策略的改進(jìn)和模型評價調(diào)整，增強(qiáng)了模型算法對復(fù)雜場景識別理解能力，可有效提高視頻識別精度與速度，有助于提高火電廠巡檢的自動化、智能化水平，具有較好的工程應(yīng)用前景。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。